どの入力モードを選べばよいですか？

文章から作る場合は見た目を新しく決めます。画像から作る場合は開始画像を使い、終了画像も指定できます。参考素材から作る場合は人物、場所、動き、音を新しい構図に持ち込みます。手元の素材と、次の動画に引き継ぎたい要素で選びます。

総額は何で決まりますか？

固定長の動画は、選択した秒単価と長さで費用が決まります。まず5秒で動きを選び、納品解像度に変更してから送信前の見積もりを確認します。

同じseedでテイクを比較できますか？

はい。このエンドポイントはseedを受け付けます。画像、プロンプト、ほかの設定をそろえ、一つだけ変えて比べます。seedは比較のための設定で、完全に同じフレームを保証するものではありません。

NSFWではどの手順から始めるとよいですか？

同意した成人キャラクターを描く、構図の整った画像から始めます。しぐさ、視線、距離、カメラ移動を指定します。同じ人物を続けて使うなら開始画像のモードを選びます。Examplesで実際の動画を見て、短いテイクから尺を延ばします。

Wan 3.0 Pro API — 無検閲、最大 4K の NSFW 動画

alibaba/wan-3.0-pro/text-to-video

Wan 3.0 Pro text-to-video は、プロンプトを 1080p・2K・4K の 2〜30 秒に、音声も同じファイルに入れて描画します。2K と 4K はネイティブ 1080p の Wan 3.0 の拡大で、プロンプト拡張は既定でオンです。

最低価格 $0.144/秒

モデルを実行 API を見る

入力

テキストから動画

プロンプト383/20000

解像度料金に影響

アスペクト比

長さ料金に影響

音声を生成

プロンプト自動拡張

シード値

セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

出力

実行待ち

サンプル出力

延長

動画アップスケール

動画編集

{
  "model": "alibaba/wan-3.0-pro/text-to-video",
  "input": {
    "resolution": "1080p",
    "aspect_ratio": "9:16",
    "duration_seconds": 2,
    "generate_audio": true,
    "enable_prompt_expansion": true,
    "prompt": "Cast: one man and one woman. The camera stays on the two of them as the aircraft passes over. Two people stand at the perimeter fence watching an aircraft come down at night; the jet wash presses their clothes flat against them as it passes. The jet wash flattens their clothes against them; close on the two of them at the fence. Cinematic, heavy film grain, runway sodium and navy."
  }
}

はじめに

Wan 3.0 Pro テキストから動画 は、プロンプトからショットを書き起こし、1080p・2K・4K で 2〜30 秒のクリップとして納品します。生成音声も同じファイルに入ります。必須フィールドは prompt だけで、最大 20,000 文字まで書けます。Wan 3.0 のネイティブレンダリングは 1080p が上限なので、2k と 4k の段階はそのレンダリングを拡大したもので、そのサイズで描き直したものではありません。このエンドポイントには 480p と 720p の段階はなく、そのサイズは Wan 3.0 が担います。

開始素材に応じてモードを選ぶ

開始素材	モード
書いたブリーフから、場面、行動、カメラ、必要に応じて音を組み立てます。	Wan 3.0 Pro テキストから動画
承認済みの開始画像が被写体と構図を決め、指示文がその後の動きを導きます。	Wan 3.0 Pro 画像から動画
別々の参照素材に、人物、場所、動き、音の役割を明確に割り当てられます。	Wan 3.0 Pro 参照から動画

主な機能とハイライト

1 回のネイティブレンダリングから 3 つの納品サイズ

resolution は 1080p（既定）、2k、4k から選びます。大きい 2 つの段階は、モデルが描いたものを引き伸ばすだけで新たに描き足すわけではないので、トリミング、トラッキング、投影を前提とした素材に向いています。そして品質は元のレンダリング以上にはなりません。まず 1080p でショットを決め、4K は納品の工程として扱ってください。

プロンプト拡張は最初からオン

このファミリーでは enable_prompt_expansion の既定値が true です。薄いブリーフを補ってくれるので下書き段階では便利ですが、細かいブリーフは書き換えてしまいます。プロンプトが正確なショットの記述になったら false にして、調整した文言がそのまま実行されるようにしてください。

指定しなければフレームはアダプティブ

aspect_ratio の既定値は adaptive で、フレームをモデルが選びます。納品フォーマットが決まっているなら 16:9、4:3、1:1、3:4、9:16 を指定します。フェンスのサンプルは縦長の 9:16 を指定し、香水、モノクロ、タトゥーのサンプルはいずれも 16:9 を指定しています。

リクエストパラメーター

Wan 3.0 Pro · Text To Video のリクエストパラメーター
パラメーター	必須	説明
`prompt`	はい	被写体、動作 1 つ、カメラの動き 1 つ、そのあとに光と音。4K では曖昧なブリーフが実費になるので、雰囲気ではなくカットを書いてください。 1 文字以上 · 20000 文字以内
`resolution`	いいえ	1080p、2k、4k、既定は 1080p です。Wan 3.0 のネイティブ出力は最大 1080p なので、それより上の段である 2k と 4k は、その解像度でネイティブにレンダリングしたものではなく、レンダリングを拡大して納品されます。 `1080p` · `2k` · `4k` · デフォルト値: `1080p`
`aspect_ratio`	いいえ	16:9、4:3、1:1、3:4、9:16、または adaptive。既定は adaptive でモデルに選ばせます。 `16:9` · `4:3` · `1:1` · `3:4` · `9:16` · `adaptive` · デフォルト値: `adaptive`
`duration_seconds`	いいえ	2〜30 の任意の整数秒、既定 5。-1 はスマート尺で、モデルが長さを決め、上限の 30 秒分を先に確保して、実際に出力された長さで精算します。 `-1` · `2–30` · デフォルト値: `5`
`generate_audio`	いいえ	既定でオン。音は映像と一緒に生成され、同じファイルに入って届きます。デフォルト値: `true`
`enable_prompt_expansion`	いいえ	この家族では既定でオン。薄いブリーフを埋め、詳細なブリーフは書き直します。デフォルト値: `true`
`seed`	いいえ	0〜2147483647。解像度や尺を詰めるあいだは固定してください。 `≥ 0` · `≤ 2147483647`

料金

料金
仕様	料金
`1080p`	$0.144 / 秒
`2k`	$0.16 / 秒
`4k`	$0.184 / 秒

ユースケース

硬い光の香水・ビューティー広告

香水のサンプルは 5 秒のスローモーション広告です。背中の開いた黒いガウンの成人女性が雨の打ちつける窓から振り向き、硬いキーライト 1 灯が背筋をなぞり、髪から水滴が跳ね、サウンドトラックには低いチェロの音と雨。光沢のある生地、硬い単一光源、小さく速い粒子は、映像を拡大したときに最初に破綻する要素なので、2K や 4K の納品ではまさにそこを確認してください。

1 つの外力で動く布

2 つのサンプルは、服がどう収まっているかを書く代わりに、1 つの力で服を動かしています。モノクロのファッションフィルムでは、工業用の送風機の前で 3 メートルのシルクシフォンが体に巻き付き、黒い背景の前の硬いキーライトの中で片方の肩にまとわりついていきます。フェンスのサンプルでは、着陸する飛行機のジェット噴流が 2 人の服を体に押し付けます。力を名指しすると、布が従うべき原因が生まれます。

主なユースケースのチュートリアルを見る

プロンプトガイドと実践のヒント

1080p で探し、選んだシードで再レンダリングする

seed を固定して 5 秒・1080p でショットを探し、再実行ごとに 1 つのフィールドだけを変えます。決まったら、同じプロンプトとシードのまま resolution を 4k にして送り直してください。解像度と文言を同じ再実行で変えると、どちらが結果を動かしたのか分からなくなります。

ムードではなくショットを書く

被写体、動作を 1 つ、カメラの動きを 1 つ、そのあとに光と音。タトゥースタジオのプロンプトがよい手本です。光源はろうそくとデスクランプ 1 つだけ、手袋の手が肋骨の上の図柄に陰影を入れ、顔をしかめ、ゆっくり息を吐き、肩越しにニヤリと笑う。マシンのうなる音、ごくゆっくりしたプッシュイン。4K であいまいなブリーフを送るのは、自分の意図を確かめる方法としては高くつきます。

聞きたい音を名指しする

音は映像と一緒に生成されるので、その音源を並べて書きます。香水の広告は「low cello note and rain」、送風機のフィルムは「the roar of the fan and snapping cloth」を求めています。作曲家が音楽を付ける場合は generate_audio を false にしてください。このファミリーはリクエストごとの申告なしで無検閲のプロンプトを受け付けますが、映っている全員の同意、権利、年齢、現地の法律については利用者が責任を負います。

API クイックスタート

# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
  -d '{
  "model": "alibaba/wan-3.0-pro/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "1080p",
    "aspect_ratio": "adaptive",
    "duration_seconds": 5
  }
}'

# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。

プロンプトだけで作る Wan 3.0 クリップ、4K までアップスケール

文章からキャラクターのティザー、映画的な場面、音を生かした短編を作れます。誰がいて、何が変わり、カメラがどう動くかを指定し、長さは2–30秒、出力は1080p / 2k / 4kから選びます。

Playground を開く

開始素材: 場面を文章で指定。元画像は不要
長さ: 2–30 s · 5 s 既定
納品サイズ: 1080p / 2k / 4k · 1080p 既定
音声: 音声生成は既定でオン。別の音源を使う場合はオフにします。

開始素材: 手元の素材でモードを選ぶ見た目を探す段階なら文章から始めます。繰り返し登場する人物には、気に入ったフレームを保存し、次のショットを画像から作ります。
長さ: 長くする前に費用を決める固定長の動画は、選択した秒単価と長さで費用が決まります。まず5秒で動きを選び、納品解像度に変更してから送信前の見積もりを確認します。

Wan 3.0 Proで作れる場面

使う場所に合わせてサイズを選ぶ

まず1080pで動きを選びます。2kと4kはそのレンダーを拡大した納品サイズです。掲載先で必要な場合に選び、拡大前の映像も確認します。

滑走路のフェンスにいる二人
飛行機の風を衣装が動く原因にします。通過の見た目と音を結び、二人に注目を残します。

Wan 3.0 Proの使いどころ

キャラクター制作
一つの動きを軸にティザーを作る
成人キャラクターの視線、接近、小さなしぐさを演出します。一つのカメラ移動と明確な終点があると、短いNSFWティザーにも流れが生まれます。
ファッション・編集
布、光、姿勢に見せ場を作る
衣装と光を先に決めます。窓に振り向く、カーテンが動く、カップを持ち上げるなど、見る対象を具体的にします。
音を生かした場面
場の音を演出に加える
雨音、室内の環境音、足音、短いせりふなど音源を指定します。映像と音を一緒に試すなら音声をオン、編集で曲を加えるならオフにします。
シリーズ・キャンペーン
次の作品にも使える画像を残す
採用した画像、プロンプト、設定を一緒に保存します。次の画像生成動画にはその画像を、場所を変える場面には整合した参考素材を使います。冒頭だけでなく中盤も確認します。

Wan 3.0 Proで最初の動画を作る

タグの羅列ではなく一場面を書く
成人の人物、場所、動作を決め、カメラと音を続けます。5秒なら中心となる出来事を一つにし、長い尺には始まりと終わりのある展開を用意します。
変化を演出する
一つの動作、速さ、一つのカメラ移動を指定します。「カメラがゆっくり近づく間にレンズへ振り向く」のように具体的に書きます。人物の同一性が重要なら顔を見せます。
5秒で見積もりを確認する
確認用の解像度で短く始めます。動きが決まったら長さかサイズを一つずつ上げ、その都度新しい見積もりを見ます。
採用したテイクを保存する
冒頭、中盤、終わりで顔、手、衣装、背景を確認します。入力も動画と一緒に残します。一つの変更を比べるときはseedを固定し、別テイクを探すときは変えます。

Wan 3.0 Pro：保存済みリクエストとプロンプト案

保存済みの例：滑走路のフェンスにいる二人

保存済みの例滑走路のフェンスにいる二人ではduration_seconds=2; resolution="1080p"; aspect_ratio="9:16"を指定しています。Examplesで実際の入力と動画を見比べ、自分の素材で一つだけ変更して試します。

Cast: one man and one woman. The camera stays on the two of them as the aircraft passes over. Two people stand at the perimeter fence watching an aircraft come down at night; the jet wash presses their clothes flat against them as it passes. The jet wash flattens their clothes against them; close on the two of them at the fence. Cinematic, heavy film grain, runway sodium and navy.

1 つの音のキューだけを添えたゆっくりとしたプッシュイン
1 回のカメラ移動、1 つの光源、1 つの音をプロンプトの中で同時に書くことで、レンダーの注意が矛盾した指示に分散するのを防げます。
```
Slow dolly-in on a woman in a silk slip dress standing at a rain-streaked window at dusk, warm lamp light from behind her, soft piano note rising as she turns toward camera, shallow depth of field
```
アクションの間合いに合わせたスマートデュレーション
duration_seconds を -1 にすることで、ランウェイウォークやドアが開く動作を無理に 5 秒に収めるのではなく、記述された動作の長さにクリップを合わせられます。
```
A woman in a tailored trench coat walks toward camera down a wet city street at night, neon signs reflected in the puddles, coat falling open in the wind, confident stride, synth pulse building
```
9:16 用に書いた縦型の切り出し
プロンプトを書く前に aspect_ratio を 9:16 に設定しておくことで、広い構図を後から切り出すのではなく、その形に合わせて被写体を配置できます。
```
Close vertical shot of a couple slow dancing in a dim kitchen at midnight, one lamp lit, foreheads touching, bare shoulders, soft breathing audible under a low bassline
```